技术新讯 > 医药医疗技术的改进,医疗器械制造及应用技术 > 监护病房重症社区获得性肺炎患者短期死亡风险预测方法与流程  >  正文

监护病房重症社区获得性肺炎患者短期死亡风险预测方法与流程

  • 国知局
  • 2024-07-11 17:41:56

本发明涉及医疗,特别涉及监护病房重症社区获得性肺炎患者短期死亡风险预测方法。

背景技术:

1、申请号为201180053766.0的发明专利公布了一种用于预测患者的诸如死亡/康复概率的结果变量的方法,包括访问多个过去患者的数据域中的至少一个,所述数据域包括生理和/或化验数据、以及住院时间,住院时间指出在当时每名患者已经受监护了多久。通过数据挖掘根据多个过去患者的生理和/或化验数据、相应的住院时间、以及相关的结果变量生成结果变量估计算法。根据当前患者的生理和/或化验数据、当前住院时间和结果变量估计算法确定当前患者的结果变量。

2、

3、上述技术通过对过往数据域进行分析,形成结果变量估计算法,然后根据当前患者的数据进行估算,估算出当前患者的住院时长或死亡概率;然而仅是数字化的概率,不能够直观地展示患者的实际情况,现需要一种技术,能够及时给予针对性干预提供依据,从而降低重症肺炎患者的病死率。

技术实现思路

1、本发明提供了一种监护病房重症社区获得性肺炎患者短期死亡风险预测方法,能够解决现有预测数据不能直观展示患者实际情况,导致无法及时对患者给予针对性干预治疗的问题。

2、为了解决上述技术问题,本申请提供如下技术方案:

3、一种监护病房重症肺炎患者短期死亡风险预测方法,包括以下步骤:

4、s1:从重症监护医学信息数据库-iv中筛选若干符合重症社区获得性肺炎诊断患者的医疗数据作为训练集;

5、s2:采用若干本土重症社区获得性肺炎患者的诊疗数据作为外部验证集,提取其诊疗数据;

6、s3:采用逻辑回归基于训练集构建短期死亡风险预测模型;

7、s4:在训练集对预测模型进行内部验证,评估其区分度、校准度和临床临床净收益。

8、s5:在外部验证集对预测模型进行外部验证,评估模型的可推广性。

9、本方案的基本原理及有益效果:重症监护医学信息数据库-iv是一个免费、开源的重症医学数据库,包含2008年至2019年之间美国哈佛医学院贝斯以色列女执事医疗中心73181位icu患者的医疗数据。本方案从该数据库中获取医疗数据,从来源上保证了数据的真实性,以及研究的准确性,通过纳入标准和排除标注确定合格的病例为样本集的数据,基于逻辑回归构建出预测模型,用方差膨胀因子检测各预测因子的共线性,并对预测模型进行可视化处理,绘制出列线图;采用bootstrap重复抽样法对预测模型进行内部验证,验证模型的区分度、校准度和临床净收益;然后获取本土患者的医疗数据作为外部验证集进行外部验证,即将当前患者的医疗数据带入模型进行预测和验证,评估模型的可推广性。医务人员可参考预测结果及时给予针对性干预,从而降低重症社区获得性肺炎患者的病死率。

10、进一步,所述重症肺炎患者的医疗数据来源于重症监护医学信息数据库-iv,纳入标准为:入住重症监护室且主要诊断为重症社区获得性肺炎相关诊断;至少符合以下一个主要标准:呼吸衰竭需要机械通气、感染性休克积极体液复苏后仍需要血管活性药物,或者至少符合以下3项次要标准:呼吸频率≥30次/min、pao2/fio2≤250、多肺叶浸润、意识定向障碍、血尿素氮≥20mg/dl、白细胞计数小于4×109/l、血小板计数小于100×109/l、中心体温<36℃、低血压需要积极的液体复苏。

11、进一步,所述重症肺炎患者的医疗数据的排除标准是:年龄<18岁;哺乳或怀孕患者;住院期间进行外科手术患者。

12、进一步,所述预测模型的构建步骤为:

13、a:采集mimic-iv中至少500例重症社区获得性肺炎患者的诊疗数据作为训练集;

14、b:用lasso回归对收集的风险因素进行筛选,当节参数为lambda.1se,λ=0.05筛选出年龄、合并恶性肿瘤、心率、平均动脉压、白蛋白、肌酐、凝血酶原时间、乳酸8个回归系数非零的变量;

15、c:将这8个预测变量进行多因素logistic回归分析,得到影响重症肺炎患者短期结局的独立危险因素,所述影响重症肺炎患者短期结局的独立危险因素包括年龄、合并恶性肿瘤、心率、平均动脉压、白蛋白、肌酐、凝血酶原时间、乳酸;

16、d:通过步骤c中的8个回归系数非零变量构建预测模型。

17、进一步,所述预测模型的模型方程为:

18、其中:e=2.71828

19、x=-2.275571+0.042119*年龄+1.016176*恶性肿瘤+0.019002*心率-0.038369*平均动脉压-0.560888*白蛋白+0.008784*尿素氮+0.043318*

20、凝血酶原时间+0.160356*乳酸。

21、进一步,还包括对8个回归系数非零变量进行共线性诊断,所有变量的vif均小于1.5,不具有共线性。

22、进一步,还包括评估预测模型的区分度、校准度、临床适用度以及可推广性,验证方法为,通过1000次bootstrap法在mimic-iv数据库的216例患者中进行内部验证,在97例本土患者中进行外部验证。

技术特征:

1.监护病房重症社区获得性肺炎患者短期死亡风险预测方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种监护病房重症社区获得性肺炎短期死亡风险预测方法,其特征在于:所述重症社区获得性肺炎患者的医疗数据来源于重症监护医学信息数据库-iv,纳入标准为:入住重症监护室且主要诊断为重症社区获得性肺炎相关诊断;至少符合以下一个主要标准:呼吸衰竭需要机械通气、感染性休克积极体液复苏后仍需要血管活性药物,或者至少符合以下3项次要标准:呼吸频率≥30次/min、pao2/fio2≤250、多肺叶浸润、意识定向障碍、血尿素氮≥20mg/dl、白细胞计数小于4×109/l、血小板计数小于100×109/l、中心体温<36℃、低血压需要积极的液体复苏。

3.根据权利要求2所述的监护病房重症社区获得性肺炎患者短期死亡风险预测方法,其特征在于:所述重症肺炎患者的医疗数据的排除标准是:年龄<18岁;哺乳或怀孕患者;住院期间进行外科手术患者。

4.根据权利要求1所述的监护病房重症社区获得性肺炎患者短期死亡风险预测方法,其特征在于:所述预测模型的构建步骤为:

5.根据权利要求4所述的监护病房重症社区获得性肺炎患者短期死亡风险预测方法,其特征在于:所述预测模型的模型方程为:

6.根据权利要求4所述的监护病房重症社区获得性肺炎患者短期死亡风险预测方法,其特征在于:还包括对8个回归系数非零变量进行共线性诊断,所有变量的vif均小于1.5,不具有共线性。

7.根据权利要求4所述的监护病房重症社区获得性肺炎患者短期死亡风险预测方法,其特征在于:还包括评估预测模型的区分度、校准度和临床适用度,验证方法为,通过1000次bootstrap法在mimic-iv数据库的216例患者中进行内部验证,在97例本土患者中进行外部验证。

技术总结本发明涉及医疗技术领域,特别涉及监护病房重症社区获得性肺炎患者短期死亡风险预测方法。包括以下步骤:S1:从重症监护医学信息数据库‑IV(the Medical Information Mart for Intensive Care IVDatabase,MIMIC‑IV)筛选若干重症肺炎患者的医疗数据作为训练集;S2:采用若干本土重症社区获得性肺炎患者的诊疗数据作为外部验证集,提取其诊疗数据;S3:采用逻辑回归基于训练集构建短期死亡风险预测模型;S4:在内部验证集对预测模型进行内部验证,评估其区分度、校准度和临床净收益。S5:在外部验证集对预测模型进行外部验证,评估模型的可推广性。该预测模型能够帮助医务工作者快速评估重症肺炎患者病情,及早识别短期死亡风险高的患者,为早期的针对性干预治疗提供依据。技术研发人员:张望,张瑀,沈煜,刘茂航,向倩,刘涛,刘盛焱,杨云秀,王萌,谭凤英受保护的技术使用者:张望技术研发日:技术公布日:2024/6/11

本文地址:https://www.jishuxx.com/zhuanli/20240615/85681.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。